传统的功率分配算法由于复杂的矩阵运算与迭代所造成的高时延,在实际通信中实时获取信道信息十分困难,当前重要的研究方向是在系统性能和计算复杂度之间找到有效平衡。针对终端直通(Device-to-Device,D2D)用户与蜂窝用户的联合功率分配...传统的功率分配算法由于复杂的矩阵运算与迭代所造成的高时延,在实际通信中实时获取信道信息十分困难,当前重要的研究方向是在系统性能和计算复杂度之间找到有效平衡。针对终端直通(Device-to-Device,D2D)用户与蜂窝用户的联合功率分配问题,提出一种异构功率控制图神经网络(Heterogeneous Power Control Graph Neural Network,HPCGNN)算法,旨在最大化所有用户的加权和速率。首先通过构建干扰的异构图,将信道和噪声等信息嵌入到图的节点和边;再由HPCGNN完成消息传递和更新,采用无监督学习方式优化深度神经网络(Deep Neural Network,DNN)参数,最终得到最佳的功率分配。仿真结果表明,相较于其他深度学习算法,所提算法能够有效提高系统性能,且在损失5%性能下相较分式规划(Fractional Programming,FP)能降低82%~98%的时间复杂度。展开更多
对D2D(Device to Device)通信系统的隐蔽通信问题进行研究,提出了一种基于智能反射面(Intelligent Reflecting Surfaces,IRS)的D2D通信系统,该系统采用双IRS模式。首先分析了各信号的信干噪比(SINR)和各自的期望值,并据此推导出系统遍...对D2D(Device to Device)通信系统的隐蔽通信问题进行研究,提出了一种基于智能反射面(Intelligent Reflecting Surfaces,IRS)的D2D通信系统,该系统采用双IRS模式。首先分析了各信号的信干噪比(SINR)和各自的期望值,并据此推导出系统遍历总容量的解形式,接着针对隐蔽通信建立了二元假设问题,推导出误检测率的解形式,并据此计算出平均最小误检测率。除此之外,还分析了无IRS系统的遍历总容量和平均最小误检测率,与双IRS系统进行对比。仿真结果表明,双IRS系统的遍历总容量和平均最小误检测率优于无IRS系统,双IRS系统能够比传统的无IRS系统获得更高的容量和更低的误检测率。展开更多
文摘传统的功率分配算法由于复杂的矩阵运算与迭代所造成的高时延,在实际通信中实时获取信道信息十分困难,当前重要的研究方向是在系统性能和计算复杂度之间找到有效平衡。针对终端直通(Device-to-Device,D2D)用户与蜂窝用户的联合功率分配问题,提出一种异构功率控制图神经网络(Heterogeneous Power Control Graph Neural Network,HPCGNN)算法,旨在最大化所有用户的加权和速率。首先通过构建干扰的异构图,将信道和噪声等信息嵌入到图的节点和边;再由HPCGNN完成消息传递和更新,采用无监督学习方式优化深度神经网络(Deep Neural Network,DNN)参数,最终得到最佳的功率分配。仿真结果表明,相较于其他深度学习算法,所提算法能够有效提高系统性能,且在损失5%性能下相较分式规划(Fractional Programming,FP)能降低82%~98%的时间复杂度。
文摘对D2D(Device to Device)通信系统的隐蔽通信问题进行研究,提出了一种基于智能反射面(Intelligent Reflecting Surfaces,IRS)的D2D通信系统,该系统采用双IRS模式。首先分析了各信号的信干噪比(SINR)和各自的期望值,并据此推导出系统遍历总容量的解形式,接着针对隐蔽通信建立了二元假设问题,推导出误检测率的解形式,并据此计算出平均最小误检测率。除此之外,还分析了无IRS系统的遍历总容量和平均最小误检测率,与双IRS系统进行对比。仿真结果表明,双IRS系统的遍历总容量和平均最小误检测率优于无IRS系统,双IRS系统能够比传统的无IRS系统获得更高的容量和更低的误检测率。
